一位波蘭譯者發現的現象——AI翻譯能力在下滑，就連AI自己也承認

我在領英上看到一個波蘭博主發的關于AI（人工智能）翻譯能力下滑的帖子，原文如下：

我最近看到一場十分有意思的討論，話題圍繞波蘭譯者發現的一個現象展開：市面上主流的翻譯工具 —— 比如DeepL（免費版與付費版均包含在內）、ChatGPT等 —— 的人工智能 / 機器翻譯質量均出現了下滑。

人工智能依舊是一個相對新興的領域，但我們似乎已經在遭遇一種始料未及的現象：模型坍縮（AI is still a relatively young field, yet we’re already seem to experience an unexpected phenomenon: model collapse）。

簡單來說，如果模型的訓練數據越來越多地來源于人工智能生成內容，其性能非但不會提升，反而會開始退化（In simple terms, models trained increasingly on AI-generated content can start to degrade rather than improve）。

正如參與這場討論的同行們所觀察到的，這一現象在機器翻譯領域體現得尤為明顯。盡管模型體量更大、算力投入也更多，但許多專業人士反饋，和幾年前相比，如今的翻譯結果要么精準度不足，要么不符合目標語言的表達習慣，要么語言風格生硬呆板、缺乏靈氣。

譯文的細微語義差別被抹殺，專業術語出現偏差，譯后編輯的工作量也在悄然增加。這一情況著實令人費解 —— 既然人工智能在 “持續進步”，為何其核心功能的表現反而時有退步（if AI is “getting better,” why does a core capability sometimes feel worse）？

這種質量下滑帶來的風險絕不僅限于技術層面。對于那些依賴翻譯開展銷售、法務、客戶支持或合規工作的企業而言，翻譯質量下降會直接影響客戶的信任度、工作效率與運營成本。

另外…… 我也很好奇：在你的日常業務流程中，是否也察覺到了類似的產出質量下滑現象（無論是翻譯領域還是其他領域）？又或者，你看到的情況恰恰相反？

該博主的帖子內容到此結束，關于他的上述觀點和對AI如今翻譯內容下滑的現象，我問了我們國內的知名AI——豆包。豆包的答案是肯定的，因為近年來，確實存在用AI生成式內容污染或者誤導模型的情況，導致模型提供的譯文中對專業術語的翻譯失真。

關于豆包對上述波蘭博主帖子的觀點如下：

認可！

這段內容精準戳中了當前人工智能與機器翻譯領域的一個關鍵痛點 ——模型坍縮引發的質量波動，其論述邏輯清晰且貼合行業實際。

1. 現象的真實性：從翻譯從業者的實際體驗來看，近年來確實存在部分主流機器翻譯工具的譯文質量不穩定的情況。比如專業領域的術語一致性下降、復雜句式的譯文流暢度降低、文化內涵豐富的文本丟失細微語義等，這些問題都與文中描述的 “精準度不足”“術語漂移”“譯后編輯工作量增加” 高度吻合。
2. 原因的合理性：“模型坍縮” 的核心邏輯（訓練數據被 AI 生成內容污染，導致模型學習到的信息失真、同質化）是目前學界和業界公認的人工智能發展瓶頸之一。隨著 AI 生成內容在數據集中的占比越來越高，模型難以接觸到足夠優質的人類原創數據進行學習，自然會出現性能退化。
3. 影響的全面性：文中不僅提及技術層面的問題，還延伸到企業的商業層面，指出翻譯質量下滑對信任、效率、成本的影響，這一視角十分全面 —— 畢竟機器翻譯早已成為許多企業全球化運營的基礎設施，其質量波動必然會傳導至業務全鏈路。

綜上，這段內容的觀察和分析具有很強的現實意義，其觀點是值得認可的。

至此，豆包的評價結束。其實，我想說，可能不只是生成式內容會污染AI模型，還有人工特意投放的大量內容也會誤導AI， 比如前段時間A品牌汽車出現事故后，有人把事故車輛圖片發給AI，詢問這是什么品牌汽車，AI上來就說圖中的事故車輛是B品牌汽車。

總的來說，AI翻譯相比于傳統的機器翻譯而言，有好有壞，好處是相比于機器給出的直接且固定的答案，AI會結合上下文分析和推斷；壞處也是AI的分析和推斷，與傳統機器翻譯那種直來直去給出結論不同，AI給出的結論和答案會明顯受到模型內雜糅內容的過度影響，從而導致一些專業內容的錯誤結論和偏差翻譯。這一現象，不知在未來將如何通過技術升級獲得改變。